Si tiene la intención de preguntar si los algoritmos de aprendizaje automático toman riesgos o no, entonces la respuesta es definitivamente sí. Los algoritmos de Machine Learning se arriesgan todo el tiempo.
Un algoritmo que no puede correr ningún riesgo en absoluto, tendría que ser correcto todo el tiempo, o en otras palabras, tendría que sobreajustar. El sobreajuste es malo. Los algoritmos de Machine Learning deben generalizarse bien para ser útiles y, por lo tanto, deben arriesgarse a no ser absolutamente correctos todo el tiempo, pero deben estar dentro de los límites razonables de ser correctos.
Si quiere preguntar si se pueden desarrollar programas de software de aprendizaje automático para tomar una decisión y elegir el menos riesgoso de un conjunto de opciones, entonces asegúrese de que sea posible, pero en qué medida y cómo puede depender del dominio del problema y del riesgo aceptable .
- ¿Cuáles son los pros y los contras de Spark MLlib vs. H2O?
- ¿Cómo se calculan las curvas de recuperación de precisión?
- Cómo interpretar los resultados de R después del análisis en las organizaciones
- ¿Cuál es el significado físico de usar SVD / NMF en una matriz de correlación espacial?
- Cómo desarrollar una recuperación de imagen basada en contenido